ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. eISSN 1684-1719. 2024. №4
Текст статьи (pdf)
DOI: https://doi.org/10.30898/1684-1719.2024.4.2
УДК: 53.097; 621.3
Синхронизация мемристивных нейронных генераторов
И.М. Кипелкин 1,2, С.А. Герасимова 1, А.И. Белов 1,
А.Н. Михайлов 1,2, В.А. Смирнов 2, В.Б. Казанцев 1,2
1 Национальный исследовательский Нижегородский государственный университет имени Н. И. Лобачевского
603022, Нижний Новгород, проспект Гагарина, 23
2 Южный федеральный университет, 347922, Таганрог, ул. Шевченко, 2
Статья поступила в редакцию 16 февраля 2024 г.
Аннотация. В статье рассматривается мемристивная нейроморфная система, состоящая из двух аналоговых мемристивных нейронов Фитцхью-Нагумо, соединенных через мемристивное устройство Au/Zr/SiO2/TiN/Ti/SiO2/Si. Такая система, с одной стороны, имитирует биологоправдоподобную динамику ионных каналов нейронов, с другой – межнейронные синаптические соединения. Установлено, что мемристивное устройство, под действием сигнала пресинаптического электрического нейрона обладает свойством синаптической пластичности. Экспериментально получены режимы вынужденной синхронизации с соотношением частот 1:1, 2:1, N:1. Разработанная система достаточно хорошо воспроизводит динамику синаптической связи в нейронных сетях мозга. С прикладной точки зрения, за счет адаптивных свойств мемристора она может быть использована для разработки нейросенсорных устройств.
Ключевые слова: мемристор, нейрон, синапс, синхронизация, нейроморфная система.
Финансирование: Исследование проводилось при финансовой поддержке Правительства Российской Федерации (Соглашение № 075-15-2022-1123).
Автор для переписки: Кипелкин Иван Михайлович, ivan.kipelkin@yandex.ru
Литература
1. Broccard F. D. et al. Neuromorphic neural interfaces: from neurophysiological inspiration to biohybrid coupling with nervous systems //Journal of neural engineering. – 2017. – Т. 14. – №. 4. – С. 041002.
2. Sarkar T. et al. An organic artificial spiking neuron for in situ neuromorphic sensing and biointerfacing //Nature Electronics. – 2022. – Т. 5. – №. 11. – С. 774-783.
3. Kazakov V. V. et al. Digital storing and representation of spectral data of negative ions //AIP Conference Proceedings. – AIP Publishing, 2018. – Т. 2052. – №. 1.
4. Chua L. Memristor-the missing circuit element //IEEE Transactions on circuit theory. – 1971. – Т. 18. – №. 5. – С. 507-519.
5. Gaba S. et al. Ultralow sub-1-nA operating current resistive memory with intrinsic non-linear characteristics //IEEE Electron Device Letters. – 2014. – Т. 35. – №. 12. – С. 1239-1241.
6. Walters B. et al. A Review of Graphene‐Based Memristive Neuromorphic Devices and Circuits //Advanced Intelligent Systems. – 2023. – Т. 5. – №. 10. – С. 2300136.
7. Pershin Y. V., Di Ventra M. Memristive circuits simulate memcapacitors and meminductors //arXiv preprint arXiv:0910.1583. – 2009.
8. Buscarino A. et al. Memristive chaotic circuits based on cellular nonlinear networks //International Journal of Bifurcation and Chaos. – 2012. – Т. 22. – №. 03. – С. 1250070.
9. Gerasimova S. A. et al. Memristive neural networks for predicting seizure activity // Современные технологии в медицине. – 2023. – Т. 15. – №. 4 (eng). – С. 30-37.
10. Stasenko S. V., Mikhaylov A. N., Kazantsev V. B. Model of Neuromorphic Odorant-Recognition Network //Biomimetics. – 2023. – Т. 8. – №. 3. – С. 277.
11. Zhao H. et al. Memristor-based signal processing for edge computing //Tsinghua Science and Technology. – 2021. – Т. 27. – №. 3. – С. 455-471.
12. Gerasimova S. A. et al. Living-Neuron-Based Autogenerator // Sensors. – 2023. – Т. 23. – №. 16. – С. 7016.
13. Stasenko S. V., Mikhaylov A. N., Kazantsev V. B. Control of Network Bursting in a Model Spiking Network Supplied with Memristor–Implemented Plasticity //Mathematics. – 2023. – Т. 11. – №. 18. – С. 3888.
14. Kipelkin I. et al. Mathematical and Experimental Model of Neuronal Oscillator Based on Memristor-Based Nonlinearity // Mathematics. – 2023. – Т. 11. – №. 5. – С. 1268.
15. Mikhaylov A. N. et al. One-board design and simulation of double-layer perceptron based on metal-oxide memristive nanostructures // IEEE Transactions on Emerging Topics in Computational Intelligence. – 2018. – Т. 2. – №. 5. – С. 371-379.
16. Koryazhkina M. N. et al. Resistive state relaxation time in ZrO2 (Y)-based memristive devices under the influence of external noise // Chaos, Solitons & Fractals. – 2022. – Т. 162. – С. 112459.
17. Maraj J. J. et al. Sensory Adaptation in Biomolecular Memristors Improves Reservoir Computing Performance //Advanced Intelligent Systems. – 2023. – С. 2300049.
Для цитирования:
Кипелкин И.М., Герасимова С.А., Белов А.И., Михайлов А.Н., Смирнов В.А., Казанцев В.Б. Синхронизация мемристивных нейропободных генераторов. // Журнал радиоэлектроники. – 2024. – №. 4. https://doi.org/10.30898/1684-1719.2024.4.2